因此,我正在尝试使用tidymodels
将深度学习模型融入我的数据中。它的通用接口是mlp()
,我使用fit_resamples()
来找到外部数据的最佳模型。我一直收到这个错误:
ann_model <-
mlp(epochs = 50, hidden_units = 5, dropout = 0.1) %>%
set_engine("nnet", weights = 10000) %>%
set_mode("regression")
ann_wflw <-
workflow() %>%
add_recipe(dados_recipe) %>%
add_model(ann_model)
ann_fit <-
ann_wflw %>%
fit_resamples(resamples = dados_cv)
x Fold01, Repeat1: model: Error in nnet.default(x, y, w, ...): too many (1301) weights
x Fold02, Repeat1: model: Error in nnet.default(x, y, w, ...): too many (1296) weights....
如何更改权重?拜托,我真的很赶时间。BTW除了交叉验证之外,还有其他方法可以避免我的训练数据过满吗?提前感谢!
我想您想增加MaxNWts
参数而不是weights
。
我引用的是"我出错了"的答案;默认值(x,y,w,…(错误:权重过多(77031(;在训练神经网络时
将
MaxNWts
增加到可以容纳大小的值或者缩小尺寸使您的模型更小。
根据nnet文档,weights
是
每个示例的(case(权重–如果缺失,则默认为1
而MaxNWts
是
允许的最大权重数。没有内在限制在代码中,但是增加MaxNWts可能会允许非常缓慢且耗时